C++ 提速的新发现

雷达 · 发表于 2022-9-24 22:54:26

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子, 但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析 · 发表于 2022-9-24 23:04:16

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝 · 发表于 2022-9-24 23:15:41

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻 · 发表于 2022-9-24 23:33:02

Maybe Debug mode?

雷达 · 发表于 2022-9-24 23:54:10

本帖最后由雷达于 2022-9-24 23:57 编辑

数值分析发表于 2022-9-24 23:04( k3 W% F3 ?) D* G
拉下来？拉多少？$ z, H S! n. ]" ~
把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;

int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}

xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达 · 发表于 2022-9-25 00:17:17

风雨无阻发表于 2022-9-24 23:33
! X) w: }7 K9 QMaybe Debug mode?

不应该，看我上面的回复。

我更怀疑是 VS 社区版的问题

数值分析 · 发表于 2022-9-25 00:20:10

本帖最后由数值分析于 2022-9-25 00:24 编辑

雷达发表于 2022-9-24 23:549 C, P+ k; \6 |: R
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* {% n! Z( |& r5 S, P{
+ P' C( L0 Z* C# A/ }% a comp temp, xtimesy;

这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达 · 发表于 2022-9-25 00:46:56

本帖最后由雷达于 2022-9-25 01:09 编辑

数值分析发表于 2022-9-25 00:20
6 n& a3 {# z, y1 A1 r8 |这个不是这么比的吧。。。0 t3 i- t1 U# W3 ?
* y6 L$ N, B6 a) U
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:46
: x4 f L% K @( [/ o/ q有道理。
F* M6 j* E: D' v6 ]# |8 z所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:20/ ?5 s; Z. p/ e- X- n% r4 g; ?
这个不是这么比的吧。。。
3 d2 r+ p$ _) o4 ~, \+ Q
8 M9 C1 K2 }/ H$ R, Q您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析 · 发表于 2022-9-25 02:06:44

本帖最后由数值分析于 2022-9-25 02:16 编辑

沉宝发表于 2022-9-25 01:48
$ m& b, N U7 u, n6 J现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。

其实我想说的是真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达 · 发表于 2022-9-25 04:47:43

本帖最后由雷达于 2022-9-25 04:49 编辑

沉宝发表于 2022-9-25 01:27/ O( Y% {, t. d: y! Q
你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。

我已经完全懵了。

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:474 g7 N3 A1 H" X0 _ l7 u6 o) {& V
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析 · 发表于 2022-9-25 14:58:59

本帖最后由数值分析于 2022-9-25 15:38 编辑

雷达发表于 2022-9-25 04:47
% z1 m; K0 B6 f' s- }* O g又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达 · 发表于 2022-9-26 01:30:03

本帖最后由雷达于 2022-9-27 01:17 编辑

数值分析发表于 2022-9-25 14:58
1 }8 g9 p' t9 e8 ]& f能不能把这个也贴上来，看看和上一个有什么不同？

理了理思路，重新做了一个测试。
做了两个 vector 和两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加并不差，比用vector 还更快。

至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的 b1 加方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成 jj 好了，原来方括号里的 i 是斜体标志 LOL）

      std::vector < float > vec1(N);3 a/ m8 A2 o0 v7 k. u
      std::vector < float > vec2(N);  d7 p2 t' I7 W; Q' |" v/ ~
      float* b1 = new float[N];  a# O5 R' b% H  M0 @
      float* b2 = new float[N];8 ~) L& y" P+ Z% K7 [/ B  Q! l& k

% ]8 |8 B2 E- H       for (int j = 0; j < 6000; j++)
4 B; d: w) V' Q7 H3 ^4 E9 f       {. J: N: i, ~( k0 B* o) b2 k; L' q
            std::generate(vec1.begin(), vec1.end(), []() {
1 i. `+ I% N" m/ k$ M2 ?& ~/ L                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;/ Z! \; _1 K8 j: o0 o: n3 P
                     });) p; R% ]/ y" C( P( u
/ B. ^) U: f* p( Y) G1 j" z) z
            std::generate(vec2.begin(), vec2.end(), []() {
$ Q- I, N6 b, l' L                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
: u9 V4 @% [' d4 r9 }* V4 z                      });( v5 x" c# X8 x/ e: A

0 i: {7 f! ^. W8 I% s8 N             for (size_t jj = 0; jj < vec1.size(); jj++)
) L- c0 x7 D$ ]2 n3 a' d# a7 ~             {
" B9 d# C, R$ H: `                      b1[jj] = vec1[jj];
  H0 M2 `; f) q9 X; S# a) z$ M             }- m, ^$ o- \8 T

2 J: N8 G, F3 L9 ~             for (size_t jj = 0; jj < vec2.size(); jj++)8 P2 h0 [% `: S1 B  H5 P
            {
3 I' ~  Z' s$ H/ d' b9 y                      b2[jj] = vec2[jj];* P$ U' u1 ]% `# F: Y6 Z
            }  ^+ _8 i$ J9 a8 T

/ i( w5 e. o/ F  m6 I) x) s6 C             //Method - 1  N=100000 247s
' f9 }1 d* J. u# W9 r( h             //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
1 V# l  W/ F% U8 z  g0 G" D
+ W3 Q* B- W# Q5 H/ I6 e             //Method - 2  N=100000  237s
' }* S) V/ _4 b& `+ @7 I1 K) d             /*- y8 c$ s% M# {2 H
            for (int jj = 0; jj < N ; jj++), `0 M9 f: M  L. l: g
            {
: b; _. i2 c) {4 A                      fresult += vec1[jj] * vec2[jj];
2 ^9 a% a: U$ L& M. x0 P             }. t7 O( R7 {% G& m; h2 `; k
            */
" y! e! B: v' }/ w+ Q. f                               & Q1 H* k7 L- \3 Q9 N4 e
            //Method - 3  N=100000 204s
8 [' Q, D" J. B6 }             /*
+ Q5 P8 e. l4 ?9 c( O             for (int jj = 0; jj < N; jj++), X% V% q6 w! W& [' M1 p
            {2 ]& C9 K! C% j: {
                     fresult += b1[jj] * b2[jj];
- R6 j# a1 n4 X3 V- y( c% P             }, L* K7 E, n( U3 {7 K& {
            */
" a9 U5 c; @9 L4 a' U! r; Y) x9 g, H% ^; t- K
            //Method - 4 202s
2 X+ C4 a' S! d' b/ F             /*
5 [/ ^( |4 D$ f             for (int jj = 0; jj < N; jj++)
% ?7 d# A* [2 c* l: X' F0 z             {) \9 D) f" ?" b# O; {& [! O4 b
                     0 Y4 @; Q& x2 y3 k% C
            }
2 w" L/ K0 g* f$ h. @2 d0 Q             */
, H0 r5 G% o  \( [' F             //comment out all methods, N=100000  202s
9 R0 g  C) @, j: `; D9 h$ X       }
" U9 k7 ^2 ]2 g' ^- b( M
9 m3 ^3 [" c6 B% T2 Y7 R* |3 O       delete []b1;
7 V9 j" n# I) J4 U; a9 m' G* |6 e       delete []b2;

机器猫 · 发表于 2022-9-27 00:15:38

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:15, [6 Q' e1 m, n
瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？8 x/ c |$ z- l; V* l7 N
6 M* x/ z7 h. {8 ^/ |8 q- O* s
你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL

不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16# E; P1 |( l7 s0 [& ?7 ~5 \
内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL s$ K; T( W! ^5 A- C

9 B" k; e7 Q6 y' t* X/ r8 {不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc · 发表于 2022-9-27 07:25:57

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:54
/ `* @9 `/ P5 `( \+ F, w( H0 wvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)7 q% t) Q6 Z+ m: A; Z, H
{
! O: A/ ^! y1 b$ Z comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。

		自动登录	找回密码
密码			注册

[信息技术] C++ 提速的新发现

评分

浏览过的版块